2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著模式識別、機器視覺以及人工智能技術(shù)的快速發(fā)展,基于單目攝像頭的前方運動車輛檢測與跟蹤也逐漸成為目前研究的熱點。它是實現(xiàn)人工智能輔助駕駛系統(tǒng),乃至車輛全自動駕駛的基礎(chǔ)。運動車輛檢測跟蹤是利用圖像序列中運動車輛在顏色、邊界特征、色彩紋理等方面的差異,檢測出運動物體;提取出運動車輛輪廓形狀等信息,進一步獲取運動車輛的位置、尺寸、速度大小、距離等運動狀態(tài)信息,然后對其進行實時跟蹤。然而,由于顯示環(huán)境中的遮擋物陰影、天氣影響光照強度、復雜背景

2、、目標運動的不確定性等因素影響,使得系統(tǒng)對車輛要同時具備高精確度和高魯棒性的檢測及跟蹤變得十分困難。
  本文基于單目攝像頭的前方運動車輛,從傳統(tǒng)的運動車輛檢測跟蹤算法入手,針對傳統(tǒng)算法中遇到的困難問題提出了一些新的算法。論文的主要工作和研究成果體現(xiàn)如下:
  1.由于傳統(tǒng)的檢測算法不具備夜間檢測車輛的能力,并且對于車輛的檢測及跟蹤效果的實時性能存在缺陷,故本文利用機器學習,根據(jù)車輛不同類型的特征匹配5種與其相對應的特征卷積

3、核,提出了基于新型卷積神經(jīng)網(wǎng)絡的運動車輛檢測算法。為了能夠提取對應車型的特征,算法首先通過機器學習提取不同特征所對應的卷積核;然后通過訓練大量的樣本車輛,對本文所構(gòu)建的新型網(wǎng)絡進行參數(shù)訓練,特別是對卷積神經(jīng)網(wǎng)絡中BP神經(jīng)網(wǎng)絡部分中的連接參數(shù)和權(quán)重,如此可以將運動車輛進行目標分類;最后根據(jù)不同的特征進行智能像素標記,同一特征用相同像素值標記,進而提取出目標車輛位置信息,達到模式識別的效果且能夠更快速地跟蹤到目標車輛。仿真結(jié)果表明,該算法對

4、夜間運動車輛有良好的檢測效果,可以有效克服環(huán)境不利因素的干擾,突破了傳統(tǒng)檢測算法的瓶頸。該檢測方法還具有較好的魯棒性,并且其檢測結(jié)果更加貼近人眼視覺分類的效果。
  2.針對基于新型卷積神經(jīng)網(wǎng)絡的運動車輛檢測算法在對目標車輛進行跟蹤時,對目標車輛跟蹤的實時性不夠理想,因此本文利用基于信息塊技術(shù),提出了一種基于目標信息塊技術(shù)和超像素點相融合的運動車輛跟蹤算法。算法首先根據(jù)已有的檢測結(jié)果,提取出相關(guān)的目標信息塊,然后將目標信息塊進行超

5、像素點劃分,根據(jù)信息熵概念將車輛與背景邊界進行劃分,有效的降低了跟蹤算法的計算量;然后再利用運動車輛檢測過程中的檢測算法對基于超像素點劃分后的目標信息塊進行檢測,實現(xiàn)了目標車輛跟蹤效果。仿真結(jié)果表明,本文提出的跟蹤算法與相關(guān)算法相比具有較好的實時性,可以準確且實時地檢測出目標車輛,并快速準確地達到跟蹤的效果。同時,該算法的時間開銷對高速行駛的汽車輔助駕駛系統(tǒng)是可行的,并且其檢測誤差非常小,能夠在100Km/h高速運行的情況下達到亞米級別

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論